[發明專利]一種基于生成對抗神經網絡的人群計數方法以及系統

在審

• 申請號: 201811388878.1
• 申請日: 2018-11-21
• 公開（公告）號: CN109523538A
• 公開（公告）日: 2019-03-26
• 發明（設計）人: 王麗;傅冰飛;彭垚;李斌;薛向陽
• 申請（專利權）人: 上海七牛信息技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 代理公司: 上海碩力知識產權代理事務所(普通合伙) 31251
• 代理人: 郭桂峰

1.一種基于生成對抗神經網絡的人群計數方法，其特征在于，包括：

獲取源數據，對所述源數據進行標注處理，所述源數據包括預設數量的圖片；

采用預設的模型創建計數模型以及判別模型；

根據所述源數據訓練所述計數模型，得到第一訓練模型；

分別將所述源數據以及待識別的目標數據作為輸入，根據所述計數模型以及判別模型，優化所述第一訓練模型，得到第二訓練模型；

采用所述第二訓練模型預測所述目標數據以實現人群計數。

2.如權利要求1所述的方法，其特征在于，所述采用預設的模型創建計數模型以及判別模型，包括：

所述計數模型采用VGG-16模型中的卷積層并額外添加2層空洞卷積層。

3.如權利要求2所述的方法，其特征在于，所述根據所述源數據訓練所述計數模型，得到第一訓練模型，包括：

獲取所述源數據及其對應的標注信息；

采用隨機梯度下降法對所述計數模型進行訓練。

4.如權利要求2所述的方法，其特征在于，所述根據所述源數據訓練所述計數模型，得到第一訓練模型，包括：

根據所述計數模型的訓練任務確定任務損失函數。

5.如權利要求1-4任一項所述的方法，其特征在于，分別將所述源數據以及待識別的目標數據作為輸入，根據所述計數模型以及判別模型，優化所述第一訓練模型，得到第二訓練模型，包括：

將所述源數據及目標數據的金字塔圖片區域作為輸入，所述金字塔圖片區域共享中心點；

所述計數模型分別根據所述源數據以及所述目標數據的金字塔圖片區域，生成對應的密度圖；

所述判別模型判斷所述密度圖的來源，所述來源包括源數據以及目標數據；

根據所述判別模型的判斷結果優化所述第一訓練模型。

6.如權利要求5所述的方法，其特征在于，所述金字塔尺寸比例為1,0.8,0,6,0,4。

7.如權利要求5所述的方法，其特征在于，所述根據所述判別模型的判斷結果優化所述第一訓練模型，包括：

采用自適應矩估計法進行優化。

8.如權利要求5所述的方法，其特征在于，還包括：

根據所述目標數據的金字塔圖片區域對應的密度圖，確定對抗損失函數。

9.如權利要求5所述的方法，其特征在于，還包括：

根據輸入所述判別模型的密度圖，確定判別損失函數以及排序損失函數。

10.一種基于生成對抗神經網絡的人群計數系統，其特征在于，所述系統包括處理器以及存儲器，

所述存儲器用于存儲可執行程序；

所述處理器用于執行所述可執行程序以實現權利要求1-9所述的人群計數方法。